| 研究課題/領域番号 |
18H01549
|
|---|
| 研究機関 | 千葉大学 |
|---|
研究代表者 |
小槻 峻司 千葉大学, 環境リモートセンシング研究センター, 准教授 (90729229)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | データ同化 / 水文 / 衛星観測 / 土壌水分 / 数値天気予報 / 全球陸面再解析 / NICAM-LETKF |
|---|
| 研究実績の概要 |
本研究では、水文観測情報をデータ同化・天気予報システムにより統合的に同化し、中期天気予報、及び、河川流量、旱魃指数、穀物収量等の水文予測精度の改善を図る。大気・陸面は互いにフィードバックするため、両者を統合的に同化することで相乗効果がもたらされ、大気・陸域水循環の状態推定が、双方共に改善されることが期待できる。
令和1年度は、初年度に引き続き、理化学研究所で開発が進められている全球大気データ同化システムNICAM-LETKFへ、Global Land Data Assimilation Systems (GLDAS)から得られる土壌水分観測を有効に同化する方法について研究・開発を進めた。Kang et al. (2011)で提案されたモデル変数間の局所化手法を応用し、大気（陸域）観測のデータ同化で、陸面モデル（大気モデル）の変数を更新するか否かを指定できるシステムとし、最適な変数間局所化手法を調査した。実験の結果、どの土壌水分同化実験も、コントロール実験に比べてGLDASに対する土壌水分の誤差が低下する良好な結果を示した。結合データ同化実験の中では、土壌水分観測のデータ同化で大気モデル変数を更新する一方で、大気観測のデータ同化では陸面モデル変数を更新しない、部分的な強結合同化が最も良好な結果となった。これは、土壌水分観測の同化による、大気状態の推定が有効であろうことを示唆している。以上の成果をまとめ、論文を投稿中である。
その他、データ同化による全球大気モデルのパラメータ推定手法の高度化（Kotsuki et al. 2020; JGR）や、力学的・運動学的手法を組み合わせた全球降水予測手法の高度化(Kotsuki et al. 2019; WAF)、同化される観測のインパクト推定手法（Kotsuki et al. 2019; QJRMS）について研究を進め、論文を発表した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本研究は下記3点の研究遂行計画で進めている。総じて、当初の計画通りである。
(a) 初期値の改善: 大気・水文統合データ同化システムの開発：初年度に基本的なシステムを開発し、本年度は具体的な実験や手法の高度化を進めた。概要にまとめた様に、モデル変数間の局所化により、最適な陸面観測同化手法について調査している。次年度の成果発表を図る予定である。
(b) モデルの改良: アンサンブルデータ同化を用いた大気・水文モデルのパラメータ推定：初年度に、全球天気予報モデルのモデルパラメータを推定する手法を開発済みであるが、これはモデルパラメータを全球一様として推定する手法であった。今年度はこのシステムを更に拡張し、モデルパラメータの空間分布まで推定可能とした（Kotsuki et al. 2020; JGR）。実大気モデルで未知パラメータの空間分布を推定した画期的な成果であり、分野内における波及効果も大きいと考えられる。
(c) 予測の応用: 大気・水文情報のリアルタイム予測：NICAM-LETKFは2018年11月から、JAXAスーパーコンピュータシステム（JSS2)上で準実時間の動作を開始した。このシステムはNICAM-LETKF JAXA Research Analysis (NEXRA）と名付けられ、JAXAの公式HP上でも公開されている（https://www.eorc.jaxa.jp/theme/NEXRA/index_j.htm）。今年度は、この力学的手法と、Otsuka et al. (2016, 2019)による運動学的降水予測手法を組み合わせ、より精度の高い降雨予測が可能となる手法を開発した（Kotsuki et al. 2019; WAF）。この組み合わせ手法についても、既にJAXA-EORCの計算機サーバーへのリアルタイム実装を終えており、現在安定動作を確認中である
|
| 今後の研究の推進方策 |
研究計画 (a)と(c)を進めることが、今年度の基本方針となる。
(a) 大気・陸域データ同化では、大気（陸域）の観測データを大気モデル（陸面モデル）の変数更新にだけ利用する弱結合同化が一般的である。これまでに、大気（陸域）の観測データで陸面モデル（大気モデル）の変数更新を行う強結合データ同化について調査を進めてきた。昨年度は、全球陸面再解析(GLDAS)から得られる土壌水分を観測データとみなして同化し、強結合同化が有効に働く条件について調査してきた。結合データ同化実験の中では、土壌水分観測のデータ同化で大気モデル変数を更新する一方で、大気観測のデータ同化では陸面モデル変数を更新しない、部分的な強結合同化が最も良好な結果となった。これは、土壌水分観測の同化による、大気状態の推定が有効であろうことを示唆している。本年度はこの点について更に調査を進め、論文化を図る。
(c) 開発してきたシステムのリアルタイム予測システムへの展開を図る。具体的には、気象・水文モニタリングシステムの実時間運用を図る。また日本の2020年少雪など、社会影響を及ぼしうる気象・水文現象の検知可能性・特異性など、応用を意識した研究開発を進める。
|
